基于相空间重构的神经网络太阳黑子预测模型

太阳黑子数目的变化对地球的气候、农业、通信、导航等方面影响巨大,因此对太阳黑子数目进行预测具有十分重要的意义。针对太阳黑子时间序列的混沌特性,引入相空间重构理论,将一维时间序列重构为多维时间序列,并与具有极强非线性拟合能力的神经网络模型相结合,分别建立了基于相空间重构的RBF神经网络和BP神经网络的太阳黑子时间序列预测模型,并在MATLAB环境下进行预测仿真。仿真结果表明,建立的模型具有较高的预测精度,可用于太阳黑子时间序列预测。